The Atlantic 视频数据集调查

内容

The Atlantic 记者 Alex Reisner 汇总公开训练集，估计至少 1500 万 YouTube 视频被大公司用于训练数据（含研究用途），并做成可按频道检索的数据库 [1]。Nieman Lab 于 2025-10-30 据此统计：Fox News 频道超 88,000 条、ABC News 约 70,000 条、NYT 官方频道 11,604 条分布于 11 个数据集，其中超 8,000 条来自 Runway Gen-3 数据源 [1]。数据集系列指向 HD-VILA-100M 与 Panda-70M。

被点名公司

报道口径涉及 Microsoft、Meta、Snap、Runway 等；ByteDance、Tencent 的点名未核到原文 ⚠️ [1][2]。

局限

数据库反映"出现在公开数据集中"，不等于各公司模型实际训练使用，也不证明侵权；该调查成为 YouTube 创作者系列诉讼（DMCA 1201） 之外的舆论证据。

来源

1. https://niemanlab.org/2025/10/hundreds-of-thousands-of-videos-from-news-publishers-like-the-new-york-times-and-vox-were-used-to-train-ai-models (2026-10-15)
2. https://www.ai-ap.com/publications/article/35832/state-of-the-art-hundred-of-thousands-of-videos-f.html (2026-10-15)